标本データをます。

加载（'肥料）；

3 3がが土壌ががががががががつににに分け分けられられられててている分割分割プロット试験试験ののデータデータデータががが含まれてていいいますます土壌土壌のの种类种类はは5 5种类，，，，种类の（チェリーチェリー，，グレープグレープ，，枝枝枝付きプラムプラムプラムプラム，，，ががががががランダムランダムにこれらこれらのののプロットにに割り当て割り当てられられられます。。。その后后，，それぞれプロットがががつの肥料の中つつ处置されます。このデータはは，シミュレーションされたた

実用目的でデータをDSという名前データセットに保存し，番茄，土壤および肥料をカテゴリカルとして定义し。。

DS =肥料；ds.tomato =名义（ds.tomato）;ds.soil =名义（ds.soil）;ds.fertierizer =名义（ds.fertilizer）;

线形混合モデルを近似。。肥料および番茄は固定であり平均平均量ブロック（土壌の）とと内内のの（土壌土壌プロットプロットプロットプロットプロットプロットプロット

lme = fitlme（ds，'产量〜肥料 *番茄 +（1 |土壤） +（1 |土壤：番茄）'）；

元のにおいて応答値を生成ます。最初最初最初ののつのつのつのを表示表示。。

RNG（123，'twister'）％可再现性ysim = Random（LME）;YSIM（1：5）

ans =5×1114.8785 134.2018 154.2818 169.7554 84.6089

标本データをます。

加载汽车舞

重量に対する固定效果，model_yearでグループれランダムで线形效果モデル近似します。まずまず，データををテーブルに保存保存

tbl =表（MPG，重量，model_year）;lme = fitlme（tbl，'mpg〜重量 +（1 | model_year）'）；

元のをし応答をランダム生成します。

RNG（123，'twister'）％可再现性ysim = Random（LME，TBL）;

元のに生成れたプロットし，相违点を确认确认します。それらそれらをモデル年别年别ににに。

fige（）gscatter（重量，mpg，model_year）保持上gScatter（重量，ysim，model_year，[]，，'o+x'） 传奇（'70 -Data'，，，，'76 -Data'，，，，'82 -Data'，，，，'70 -sim'，，，，'76 -sim'，，，，'82 -sim'） 抓住离开

82年シミュレートれランダム応答値がその年元元データよりよりも低く低く低く低くなっなっいますます。。これこれこれこれはははは，元ののデータデータのののの変量效果效果效果效果效果效果低いこと原因可能性があり。。

标本データをます。

加载（'肥料）；

3 3がが土壌ががががががががつににに分け分けられられられててている分割分割プロット试験试験ののデータデータデータががが含まれてていいいますます土壌土壌のの种类种类はは5 5种类，，，，种类の（チェリーチェリー，，グレープグレープ，，枝枝枝付きプラムプラムプラムプラム，，，ががががががランダムランダムにこれらこれらのののプロットにに割り当て割り当てられられられます。。。その后后，，それぞれプロットがががつの肥料の中つつ处置されます。このデータはは，シミュレーションされたた

実用目的でデータをDSという名前データセットに保存し，番茄，土壤および肥料をカテゴリカルとして定义し。。

DS =肥料；ds.tomato =名义（ds.tomato）;ds.soil =名义（ds.soil）;ds.fertierizer =名义（ds.fertilizer）;

线形混合モデルを近似。。肥料および番茄は固定であり平均平均量ブロック（土壌の）とと内内のの（土壌土壌プロットプロットプロットプロットプロットプロットプロット

lme = fitlme（ds，'产量〜肥料 *番茄 +（1 |土壤） +（1 |土壤：番茄）'）；

计画値新しいデータ配列を作成ます新しいデータセット配列は，モデルLMEの近似するのデータセットと同じをなければなりなりん。

dsNew = dataset（）;dsnew.soil = numinal（{{'沙';“粉质”;“粉质”}）;dsnew.tomato = numinal（{{'樱桃';'藤蔓';'李子'}）;dsnew.fertierizer =名义（[2; 2; 2; 4]）;

新しい点ランダム応答を生成し。。

RNG（123，'twister'）％可再现性ysim = Random（LME，DSNew）

ysim =3×199.6006 101.9911 161.4026

标本データをます。

加载卡比格

（mpg）ののの线形效果モデルをし。。加加速度速度，，马力，気筒数はは固定效果效果效果で，モデルモデル年年年によってによって化化化化切片切片切片切片切片切片切片があります。

最初に混合モデルを近似する计画行列を准备し。

x = [一个（406,1）加速马力];z = [一个（406,1）加速度];model_year = numinal（model_year）;g = model_year;

次に定义た计画とグループ化変数でfitlmematrixを使用てモデル近似します。

lme = fitlmematrix（x，mpg，z，g，“固定效力射手”，，，，...。{'截距'，，，，“加速”，，，，'马力'}，，'randomeffectpredictors'，，，，...{{{'截距'，，，，“加速”}}，'randomeffectgroups'，{'model_year'}）;

応答値予测データを含む计画を作成します。XNewはX3つのようつのもたもたばなりませ最初の列列はははのののの列でなけれでなければなりませんん。。。またまたまたまた，，，加速度と马力に一致なければなり。。ZNEW1列目列目列目の列でなければならず，，列目列目にははXNewと同じ加速度値がれなけれなりません。Gの元化変数モデル年ですその，，，Gnewには年値含まれなけれなりません。Gnewには値含まていなけれなりません。

Xnew = [1,13.5,185;1,17,205;1,21.2,193];Znew = [1,13.5;1,17;1,21.2];gnew =名义（[[73 77 82]）;

新しい计画のに対するランダムを生成します。

RNG（123，'twister'）％可再现性ysim = Random（LME，XNew，Znew，Gnew）

ysim =3×115.7416 10.6085 6.8796

次，と度について效果が无相关な线形にに，，同じ同じ手顺手顺手顺をを缲り返します。。最初最初にに，，元元のの変量変量效果效果计画计画计画计画と変量グループ化化化化ます。

z = {一个（406,1），加速};g = {model_year，model_year};lme = fitlmematrix（x，mpg，z，g，“固定效力射手”，，，，...。{'截距'，，，，“加速”，，，，'马力'}，，'randomeffectpredictors'，，，，...{{{'截距'}，{“加速”}}，'randomeffectgroups'，{'model_year'，，，，'model_year'}）;

ここで新しい変量效果计画ZNEWおよびグループ化计画Gnewを再ますこれらのどちらを使用て値を予测予测ます。

Znew = {[1; 1; 1]，[13.5; 17; 21.2]};my =名义（[[73 77 82]）;gnew = {my，my};

新しい计画使用しランダム応答をし。。。

RNG（123，'twister'）％可再现性ysim = Random（LME，XNew，Znew，Gnew）

ysim =3×116.8280 10.4375 4.1027